2.7. Тектонические схемы.

Тектонические схемы чехла строятся путем выделения замкнутых поднятий разного порядка. Более сложная проблема выделение седловин. Для этого необходимо прежде всего найти седловые точки, из каждой из них провести провести лучи по всем направлениям до пересечения с замыкающей изолинией смежных поднятийв точках пересечения вычислить градиент поля. В точках касания скалярное произведение векктора,совпадающего с лучом и градиента равно нулю (векторы ортогональны). Так как угол между векторами конечен, то склярное приозведение будет отлично от нуля. Надо просто выбрать точку по минимуму. В окрестности седловой точки будет найдено 4 таких точки. Их необходимо попарно соединить кривыми, параллельными внешним изолиниям.

Эрозионные впадины в поверхности фундамента часто Заполнены наиболее древними осадками чехла. Границы таких впадин можно находить по разности структурных карт, иногда необходимо дополнительно вычесть константу. Например, разность карт по поверхности фундамента (горизонт А) и карта по кровле баженовской свиты (горизонт Б), константа – мощность баженовской свиты, которая перекрывает выступы фундамента.

Полезно выделять также области размыва осадков внутри чехла.

3. Прогнозные ресурсы и запасы

МНК. Одним из самых распространенных при решении практических задач является метод наименьших квадратов. К нему сводятся статистические оценки и использование метода напрямую. Суть его в принятой нами терминологии состоит в минимизации нормы Здесь А- матрица центрированных значений параметров, по которым ведется оценка, в статистической интерпретации и матрица значений базисных функций в методе наименьших квадратов. Вектор f неизвестные коэффициенты, u – результаты наблюдений в обеих интерпретациях. Задаса сводится к решению системы линейных алгебраических уравнений

3.2. Распознавание образов

Из многочисленных методов распознавания образов рассмотрим один Линейную дискриминантную функцию. Метод наиболее изученный, имеющий прозрачную геологическую интерпретацию и дающий примерно такую же точность распознавания, как и более сложные методы. Для получения уравнения делящей поверхности (гиперплоскости) необходимы 2 выборки; одна выборка по ловушкам, нефтеносность которых установлена бурением, другая выборка – по ловушкам, отсутствие нефти в которых также подтверждено бурением. Третья выборка – ловушки, нефтеносность которых не известна.

Первые две выборки – материал обучения. По ним наодятся параметры функции распределения (распределение предполагается нормальным). Пусть это и Первая плотность вероятности нефтеносных, вторая - водоносных ловушек. Отношение рассматривается, как уравнение гиперплоскости котрая наилучшим образом делит множество точек на два класса. Если отношение больше k, то точка относится к первому классу, если меньше – то ко второму. Число k зависит от априорных вероятностей и цены ошибочной классификации. Для упрощения принимается равным 1. В результате логарифмирования (плотности вероятности – экспоненты) k обращается в 0. При точном знании параметров распределений уравнение гиперплоскости имеет вид

-векторы математических ожиданий признаков ловушек в первом и втором классах соответственно; - матрица ковариаций, предполагается одинаковой в обоих классах. При использовании выборочных данных математические ожидания заменяются их оценками, матрица ковариаций получается как средняя по двум выборкам. =0. Вектор свойств неразбуренной ловушки x относится к первому классу, если линейная дискриминантная функция принимает значение, большее нуля, и ко второму классу если ее значение меньше нуля.